个人简介
孙备，中南大学自动化学院教授、博士生导师。2015年12月获中南大学控制科学与工程专业工学博士学位，纽约大学联合培养博士(2012-2014)，芬兰阿尔托大学博士后(2016-2018)。入选国家级青年人才计划、湖湘青年英才、中国科协青年托举人才。主要从事工业人工智能研究工作，主持国家重点研发计划课题，国家自然科学基金面上项目等。兼任国际自动控制联合会TC6.2技术委员会委员，中国有色金属学会自动化学术委员会秘书长。近5年第一/通讯作者发表论文34篇，合作出版英文专著1部，参编《中国自动化技术发展报告》等，申请/授权国家发明专利56项。曾获教育部技术发明奖一等奖、中国自动化学会自然科学奖一等奖等，以及全国有色金属优秀青年科技奖、张钟俊奖等。指导学生获湖南省优秀硕士论文，以及中国自动化大会最佳论文等奖项。
研究方向
1.工业智能
2.智能控制与优化决策
3.系统建模与参数估计
4.模式识别与机器学习
5.最优控制与强化学习
招生：有1-2名博士生、3名硕士研究生招生指标，请对上述研究方向感兴趣、踏实上进的同学与我联系，Email：sunbei@csu.edu.cn。
代表性论著
专著、教材：
1. 《Modeling, optimization and control of zinc hydrometallurgical purification processes》. Chunhua Yang, Bei Sun. London: Elsevier, 2021.
2. 《智能控制: 方法与应用》第十八章：流程工业过程智能控制. 周晓君, 孙备. 北京: 中国科学技术出版社, 2020.
论文：
1. 复杂生产流程协同优化与智能控制[J]. 自动化学报, 2023, 49(3): 528-539.
2. A Hierarchical Stochastic Network Approach for Fault Diagnosis of Complex Industrial Processes[J]. IEEE/CAA Journal of Automatica Sinica, 2025, 5(2): 564-576.
3. Towards adaptive and interpretable process monitoring: Incremental variational graph attention autoencoder with probabilistic inference[J]. IEEE Transactions on Cybernetics, 2025, 55(9): 4114-4127.
4. Mechanism-aware multimodal modeling of industrial processes via state-modulated graph networks[J]. Control Engineering Practice, 2025, 165: no. 106601.
5. A dynamics-learning multirate estimation approach for the feeding condition perception of complex industry processes[J]. IEEE Transactions on Cybernetics, 2024, 54(5): 3286-3298.
6. A Spatial-Temporal variational graph attention autoencoder using interactive information for fault detection in complex industrial processes[J]. IEEE Transactions on Neural Networks and Learning Systems, 2024, 35(3): 3062-3076.
7. An interpretable operating condition partitioning approach based on global spatial structure compensation-local temporal information aggregation self-organizing map for complex industrial processes, Expert Systems With Applications, 2024, 249: no. 123841.
8. A spatial-temporal structural estimation model based on GATE-PCGRU for multirate industrial process[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: no. 3524911.
9. An integrated multi-mode model of froth flotation cell based on fusion of flotation kinetics and froth image features[J]. Minerals Engineering, 2021, 172: no. 107169.
10. A comprehensive hybrid first principles/machine learning modeling framework for complex industrial processes[J]. Journal of Process Control, 2020, 86: 30-43.